第2次ブームのあとの冬と、静かに育った芽

1984年の討論が描いた「AIの冬」の最悪の筋書き ── その後の答え合わせ

アメリカ人工知能学会（AAAI）の大会で「AIの暗黒時代 ── 避けられるか、生き残れるか」という討論会が開かれた。司会のドルー・マクダーモットさんは、産業界のにぎわいの裏で、長年研究してきた人たちの間に『AIへの期待はもしかすると高すぎ、それがいずれ大惨事を招く』という心配からくる深い不安がある、と話した。最悪の筋書きとして、5年後にアメリカの『戦略的コンピューティング計画』が失敗し、日本の第五世代も行きづまり、ベンチャー企業がつぶれ、AIへの資金提供が止まって、みんなが研究の名前を別のものに変える、という姿を描いた。そして、この状態を『AIの冬』と呼ぶ人がいる、と紹介した。ただし本人は、そうなる見込みは高くないと思う、とも述べた。討論では、ほかの研究者（ロジャー・シャンクさん）が、破局が来ると思うかと聞かれて来ると答えた、という話をした。一方で、『AIの冬は来るのか？AIの夕暮れになるかもしれないと思う』という意見も出た（同じ人は続けて、泡がはじけるのではなく、少し小さくなるかもしれない、と話した）。

その後：その後、計画の目玉の1つだった自動運転車（ALV）の開発は1988年4月に打ち切られた。1987年に着任した担当部門の責任者も、AI計画の一部を打ち切っている。計画は1993年にDARPAの予算から消えた。アメリカ人工知能学会の会員数は1987年の16,421人をピークに、1996年には4,000〜5,000人に落ち着いた。エキスパートシステムを開発するAI企業の多くは、消えるか買収されるか事業を変えた。日本の第五世代コンピュータプロジェクトは1992年度で本体を終えた。Nilssonは、こうした出来事が1980年代半ばから後半に重なり、『AIの冬』と呼ばれるようになった、と記している。

分かっていないこと：シナリオの1つ『みんなが急いで研究計画の名前を別の物に変える』が1990年代に本当に起きたかは、元の資料で確かめていない（u08で扱う候補）

1984年、「AIの冬（AI Winter）」は、来るかもしれない最悪の事態の名前として語られた

AAAI-84の討論会で、司会のドリュー・マクダーモットさんが、AIへの期待が高すぎて、いつか大変なことになるのではという不安が研究者の間にある、と話した。最悪の筋書きとして、5年後にstrategic computing initiative（戦略的コンピューティング計画）がみじめに失敗し、日本の第五世代もうまくいかず、日本政府がすぐにコンピュータから手を引き、新興企業はみな倒産し、AI関連には何もお金が出なくなる様子を挙げた。そして、それを「一部で『AIの冬』と呼ばれるこの状態」と表現した。そうならないよう自分たちを戒め、世の中に伝えようと呼びかけた。つまり『AIの冬』は、第2次ブームのさなかに未来への警告として出てきた言葉だ。1970年代の研究費の減少を『第1の冬』と呼ぶのは、後から付けた呼び方である。

分かっていないこと：『AI Winter』を最初に言った人は分かっていない（討論の中でも『by some』）。Ngramの1983年の小さな値が何の本かは確かめていない。

AI専用「Lispマシン」の会社が、ふつうのワークステーションに負けていく（1980年代末）

1980年ごろから、シンボリクス社などが、AI研究でよく使うプログラミング言語Lispを速く動かす専用コンピュータ『Lispマシン』を作って売っていた。シンボリクスの創業者の1人の回想によると、Sunやアポロなどの新しい『ワークステーション』が登場し、ふつうのコンピュータでもLispがかなりよく動くようになった。そのため、専用機のよさが急に小さくなった。さらに、売り上げの多くはエキスパートシステム（専門家の知識を書き込むAI）への期待に頼っていたが、その期待がふくらみすぎた反動が1988年ごろに来て『AIの冬』になった、とも書いている。会社は人員削減を重ねた。MITの授業で書かれた学生の論文（2001）によれば、シンボリクスの製品の売上高は1986・1987・1988年度に1億160万ドル、8,210万ドル、5,560万ドルと下がった。日本でも1991年の白書が、AIに使う機械は専用機ではなく、ふつうのコンピュータ、とくにパソコンが中心になったと書いている。

分かっていないこと：シンボリクスやLMIの年次報告など会社の元資料は開いていない。MITの1999年の卒業論文『If It Works, It's Not AI』は、MITのサイトで人間確認画面が出たため入手していない。

1991年、国の監修の白書：日本は「以前米国で見られたようなAI『冬の時代』を迎えなかった」

『AI白書1991』は、日本は以前アメリカで見られたようなAIの『冬の時代』を迎えなかった、と記した。その理由は、利用者がAIの効果が上がる使い道を自ら見いだしたからかもしれない、としている（アメリカはすでに『冬の時代』を経験済み、とも書く）。白書の調査（1989年12月〜1990年1月、7,084の事業所に送り1,844が回答）では、回答した事業所の37.8%（コンピュータを使う事業所では26.2%、379か所）がAIを導入していた。白書は、1988年調査の20.6%より17.2ポイント増えたと報告した。導入先の46.2%がエキスパートシステム（専門家の知識を書き込む仕組み）を、20.6%が機械翻訳を使っていた。

分かっていないこと：1991年より後に日本のAI利用がどう変わったか（冬がいつ来たのか、そもそも来たのか）は、この白書では分からない。調査結果も回答した事業所（送付数の26%）だけの割合であり、日本全体の割合ではない。

人工知能学会の会員数（1986〜2003年）──正会員は1993年、賛助会員は1991〜92年がピーク。賛助会員は2003年までに3分の1以下へ。学生会員は2002年まで増加傾向が続いた

人工知能学会の毎年の総会報告にのった会員数を並べると、正会員は1986年7月の設立時約600人 → 1988年2,554人 → 1990年3,625人 → 1993年3,893人（最多）→ 1995年3,269人 → 1999年3,044人 → 2003年2,789人。企業などが学会を支える賛助会員は、約30社 → 1988年100社 → 1991・1992年155社（最多）→ 1995年96 → 1999年65社 → 2003年49社と、ピークから3分の1以下に減った。一方、学生会員は増減しつつも増加傾向が続き、1988年の266人から2002年には539人になった。2003年の報告はこう書いた。会員数はここ数年少しずつ減っていたが、今年は約4%の大きな減少になった。企業の研究開発部門の縮小で正会員が減っただけでなく、これまで増加傾向が続いていた学生会員も減り始めた。

分かっていないこと：会員が減った理由について、学会の報告は2003年に『企業の研究開発部門の縮小』と書くだけで、それより前の年の理由は書いていない。『AIという言葉が嫌われていて』という回想とどれだけ関係があるかは、この数からは分からない（→ 1990〜2000年代に人工知能が嫌われたという… を参照）。

1990年、ファジィ制御の洗濯機が発売され、「ファジィ」が新語・流行語大賞の新語部門金賞に

松下電器が1990年2月1日に全自動洗濯機『愛妻号Dayファジィ』を発売した。光センサーで洗濯水の濁り具合を検知し、『飽和時間が長く、かつ透過度が低ければ洗濯時間をとても長くする』（飽和時間は濁りが落ち着くまでの時間、透過度は光の通りやすさ）といった6つのルールで洗い時間を決める。このルールは家庭で集めたデータと技術者のノウハウから作成された。同年の『新語・流行語大賞』で『ファジィ』は新語部門の金賞に選ばれた。主催者は、この洗濯機が家電にファジィ理論を応用した第1号でブームの火付け役となり、各社が入り乱れる大きなファジィの市場ができた、と説明している。

分かっていないこと：ファジィ家電がその後どれだけ売れたか（販売台数など）は確かめていない

国際ファジィ工学研究所（LIFE）：48社が集まり、国の後押しで「あいまいさ」を扱う技術を6年間研究（1989〜1995年）

『あいまいさ』を持つ情報を処理するファジィ理論を工学に応用するため、1989年に技術研究組合『国際ファジィ工学研究所（LIFE）』が設立された。コンピュータ企業だけでなく、自動車・鉄鋼・証券など48社（1989年度末には49社）が参加した。研究期間は約6年間、研究開発費は約50億円を見込んでいた（1991年の白書時点）。研究所には3つの研究室があり、ファジィ制御、ファジィ知能情報処理、ファジィコンピュータを研究した。2005年の振り返りによると、横浜の大桟橋近くの研究所に延べ66人の研究員が在籍し、1995年まで活動した。所長は6年間、寺野寿郎さんが務めた。

分かっていないこと：実際にかかった費用の総額（1991年の白書は『研究開発費総額は現時点で約50億円が見込まれており』と書くだけ）は確かめていない

仙台市の地下鉄が開業し、列車の自動運転に「予見ファジィ制御」（あいまいさを扱うルールのAI）を使う

1987年7月15日に仙台市の地下鉄（全国で9番目の都市地下鉄）が開業した。日立製作所が開発した自動列車運転装置は『予見ファジィ制御』を採用した。『IF〜THEN〜形式』（もし〜なら〜する、という形）で書いたAI（知識工学）のルールで、熟練運転士の技を置きかえるものだった。記事は、乗り心地や停止精度の向上、省エネが実現したと書き、この予見ファジィ制御を『世界で最初のもの』と紹介している（作った会社の記事の言葉）。

分かっていないこと：『世界で最初』は作った会社の記事の言葉であり、ほかの資料では確かめていない。

雑誌『日経AI』の歩み（1985〜1994年）── 2週間ごとの専門誌が、1992年4月に題名から『AI』を外して『日経インテリジェントシステム』となり、1994年10月に休刊

日経BP社は、AI（人工知能）の専門誌『日経AI』を1985年9月9日の『創刊前特別1号』から出し始めた。1986年1月6日の1号からは、2週間ごと（隔週刊）に発行した。1990年からは季刊の『日経AI別冊』も出た。だが150号（1992年3月23日）のあと、151号（1992年4月6日）から誌名が『日経インテリジェントシステム』に変わり、題名から『AI』の文字が消えた。そして211号（1994年10月3日）を最後に休刊した（別冊も1992年に『日経インテリジェントシステム別冊』に変わり、1992年秋号で休刊）。第2次ブームの中で生まれ、1990年代初めに題名を変えて休刊した雑誌の記録である。

分かっていないこと：題名を『インテリジェントシステム』に変えた理由、休刊の理由、発行部数の推移は、このサイトでは確かめていない（雑誌の現物や当時の告知は開いていない）。

1990〜2000年代に『人工知能』が嫌われたという話の元 ── 2023年の学会誌の回想（学会の改名の話まで出た）と、1996年の学会誌の『AIの冬』『人工知能冬の時代』

人工知能学会誌は2023年、表紙の連作画でAIの歴史を描き、3枚目で『二度目の冬』（1992年頃〜2010年頃）を取り上げた。解説で松原仁さんは、当時はディープ・ブルーのような大きなニュースもあったが、AIという言葉が嫌われていて、AIのくくりとしては見られていなかったと振り返った。学会も会員や企業会員がどんどん減ってつぶれかけ、名前を変えることも考えられたという。谷口忠大さんは、人工知能を研究したくても『人工知能』と言うと曲がって受け取られる時代で、2000年代はニューラルネットワークへの風当たりが強かったと書いた。同年11月号の座談会で松原さんは、『人工知能』と書くと国の研究費（科研費）の審査に通りにくいという話もあったと語った。一方、同じ5月号の表紙絵の作者の解説では、この時期に研究者が『人工知能』ではなく個別の専門分野を名乗るようになった理由を『研究分野自体の拡大から』と説明している。さかのぼって1996年5月の同学会誌（設立10周年記念号）では、北野宏明さんが、『AIの冬』『AIは，失敗だった』という言い方が一部の報道で広まっていると書いた（ただしエキスパートシステムなどの成果は浸透しているとも書く）。そのうえで『AIの復権』を目指すとした。企業に所属する庄子幹雄さんも『人工知能冬の時代』という言葉を耳にすることがあると書いた。同号の座談会では、新しい技術がAIと呼ばれなくても役に立てばよい、という意見も出されていた。

分かっていないこと：『人工知能』と書いた研究費の申請が本当に通りにくかったのかを数えた資料は、見つかっていない。学会の改名の検討がいつ、どこで話し合われたのかという当時の記録も未確認である。

第五世代の次の国の計画「リアルワールドコンピューティング（RWC）」（1992〜2002年）── 記号と論理から、画像・音声などの『パターン』と『学習』へ

通商産業省は第五世代コンピュータに続く国家プロジェクトとして、1992年に10年計画の『リアルワールドコンピューティング（RWC）』を開始した。計画を主導した大津展之さんによると、第五世代が人の思考の『論理的側面（記号処理）』を追究したのに対し、RWCは『直観的側面（パターン処理）』を目指した。つまり、画像や音声、ふだんの言葉のような曖昧な情報を、学習（例から仕組みを自分で調整すること）や自己組織化によって柔軟に処理する技術である。1994年の解説記事は『今後10年間で約700億円』の計画と紹介し、例として家事ロボットや電子司書を挙げた。1992年7月には研究組合（RWCP）が設立され、国内大手企業に加えドイツ・オランダ・スウェーデン・シンガポールの研究機関も参加した。前半5年（1992〜1996年）は幅広く探索し、後半5年（1997〜2001年）は『実世界知能』と『並列分散コンピューティング』の2つに絞り込んだ。2002年のまとめは、予算を10年で約600億円と書き、手話認識システムや、索引なしで音声・動画・文章を相互検索するソフトウェア、研究に自由に使える音楽データベースなどを成果として挙げた。期間中にも約2割（14件）の成果が製品や実務に採用されたと記されている。

分かっていないこと：RWCのパターン処理や機械学習の研究が、のちの第3次ブーム（深層学習のAI）とどうつながったか、あるいはつながらなかったかは、開いた資料には書かれていない（2002年のまとめが挙げる学習のしくみは、多層ニューラルネットワーク・ベイズ推定・遺伝的アルゴリズムなど）。

第五世代後の2年：ソフト100本を無料公開、UNIX対応（1993〜1995年）

第五世代の本体は1993年3月に終了し、4月から後継の『研究基盤化プロジェクト』が始まった。並列推論マシンでしか動かなかったソフトを、KL1をC言語へ変換する仕組み（KLIC）などにより、そのころ市場に出てきたUNIXの並列コンピュータなどでも動くように移植した。開発したソフトは『ICOTフリーソフトウェア』として無償公開され、1992年6月の71本から、1995年3月末には計100本に達した。著作権が国ではなくICOTに帰属するソフトを、研究の妨げとなる制約を外して公開したとある。この後継計画には約28億円が投じられ、国の予算による研究開発は1995年3月にすべて完了した。

分かっていないこと：公開した100本のソフトウェアがその後どれだけ使われたか（ダウンロード数など）は、この記録では確かめていない（通産研究レビューp.126の図5に1995年2月までのアクセス件数の図がある）。

日本電子化辞書研究所（EDR）：コンピュータが日本語と英語の意味を扱う巨大な辞書を、9年かけて人手で作る（1986〜1995年）

コンピュータに自然言語を理解させる土台として、大規模で高品質な『電子化辞書』を開発する会社『日本電子化辞書研究所（EDR）』が設立され、1986年4月に計画が始まった。基盤技術研究促進センターが出資し（AI白書1991）、コンピュータ企業8社も資金を出した（EDRの1996年の論文）。単語の文法と意味を記述する『単語辞書』、概念どうしの関係を整理する『概念辞書』、言葉の結びつきを記録する『共起辞書』、日本語と英語の対応を示す『対訳辞書』などを作った。現在、情報通信研究機構（NICT）のページで案内されている辞書は、日本語約27万語、英語約19万語、概念約41万、日本語例文約20万文などの規模。第五世代の最終評価は、言葉の外にある膨大な知識の収集はICOTだけでは限界があり、EDRの辞書に期待する、と書いていた。

分かっていないこと：計画にかかった費用の合計は、見た資料には書かれていない。

第五世代への国の支出：本体11年で約541億円、後の2年を足すと約569億円

通商産業省の研究所（通商産業研究所）が1995年にまとめた表によると、第五世代コンピュータ計画への国の支出は、1982〜1992年度の11年で約541億円だった（前期83億円・中期216億円・後期242億円）。その後、1993〜1994年度の2年間の仕上げの計画（作ったものを一般のコンピュータでも使えるようにする計画）に約28億円が出て、合計で約569億円になる。よく見る「約540億円」と「570億円」は、この後の2年を数えるかどうかの違い。

分かっていないこと：表は国（通商産業省）が出したお金だけ。参加企業が独自に負担した資金や人員の分は、この表には入っていない（表の説明から読める範囲）

1986年ATR自動翻訳電話研究所 ── 音声を相手の言語に自動翻訳する電話の研究。1993年1月に日米独をつないで実験（語彙は約1500語）

電話の音声を自動で相手の言語に訳す『自動翻訳電話』は、音声認識（声を聞き分けて文字にする）・機械翻訳・音声合成（コンピュータが声を作る）を組み合わせて作る。1986年4月、ATR（国際電気通信基礎技術研究所）の中に『ATR自動翻訳電話研究所』ができた。要素技術を確かめる基礎研究が始まり、1988年には海外からの客員を含めて研究員47人となった。研究所は、話し言葉の翻訳に向けて、大規模なラベル付き音声データベースや、用例を大量に集めたデータベースも作った。研究成果として音声翻訳の実験システムASURAを作り、1993年1月28日には日本・アメリカ・ドイツの3か国をつなぐ自動翻訳電話の国際共同実験を行った。ASURAは、文節ごとに少し間をおいて話す文を、約1500語の語彙で訳した（前の版SL-TRANSは400語弱）。研究は1993年3月に終わり、ATR音声翻訳通信研究所に引き継がれた。

分かっていないこと：ATRの研究費の出どころや金額は、開いた資料には書かれていない（このサイトでは確かめていない）。1993年の国際実験でどれくらい正しく訳せたかの数も、このサイトで開いた1ページ目では確かめていない。

物理学者ホップフィールドが、一部から全体を思い出すニューラルネットワークを発表

物理学者のジョン・ホップフィールドが、多数の簡単な「神経のまね」をすべてつないだ仕組みを発表した。記憶したものの一部を見せるだけで、全体を復元できる（連想記憶）。磁石の性質を調べる物理の考え方（全体が「エネルギーの低い所」に落ち着く）で説明した。

分かっていないこと：実際の脳が本当にこの仕組みで記憶を思い出しているのかは、この論文では確かめられていない（論文のモデルは、神経の働きの一部をもとに、物理の考え方で調べたもの）。

ボルツマンマシン：確率でオン・オフするネットワークと、隠れユニットの学習規則（1985年）

ボルツマンマシンは、オンかオフの2つの状態をとるニューロン（ユニット）どうしを、両向きに同じ強さの重みで結んだネットワークである。各ニューロンは、周りのニューロンの状態と重みから決まる確率で、オンかオフを選ぶ。温度（ランダムさの大きさを決める数）を高い所から少しずつ下げると、ネットワーク全体がエネルギーの低い状態に落ち着きやすくなる（物理の焼きなましと同じ考え方）。1985年のアクリー、ヒントン、セイノフスキーの論文は、外から値を決める可視ユニットのほかに、外からは決めない隠れユニットを持つネットワークを、データの出方をまねるように学習させる規則を示した。規則では、データを見せて可視ユニットを固定したときと、何も見せずに自由に動かしたときとで、つながった2つのニューロンが同時にオンになる確率を比べる。その差に比例して重みを直す。直し方は、その2つのニューロンの状態だけで決まる。

分かっていないこと：1983年に出た2つの予稿（名前が出るAAAI-83の論文と、1985年の論文が引用するHinton & Sejnowski 1983）のどちらが先に出たかは確かめていない。ボルツマンマシンそのものが、1980年代の実務でどこまで使われたかも分かっていない。

制限ボルツマンマシン（RBM）の元は1986年のスモレンスキーのharmonium：結合を2つの層の間だけにしたボルツマンマシン

制限ボルツマンマシン（RBM）は、ボルツマンマシンのニューロンを2つの層（可視層と隠れ層）に分け、結合を層と層の間だけに限定した構造。層内の結合がないため、一方の層の値が決まれば他方の層のニューロンをすべて同時に計算できる。元は1986年の本Parallel Distributed Processing第1巻第6章でP. スモレンスキーが提案したharmoniumで、上の層に知識のかけら（knowledge atoms）、下の層に物ごとの特徴（representational features）を置き、上の層全体と下の層全体を交互にまとめて更新する仕組みだった。名前は、1960年のセルフリッジとナイサーのパターン認識の仕組みpandemoniumにならったと書かれている。2002年にヒントンが対比発散（contrastive divergence）という高速な学習法を考案し、2000年代に深いネットワークを1層ずつ学習させる重要な道具となった（ノーベル委員会の解説）。

分かっていないこと：restricted Boltzmann machine（制限ボルツマンマシン）という名前を最初に使ったのが誰かは確かめていない（ヒントン2002は、1992年のフロイントとハウスラーの話の中でこの名前を使う）。スモレンスキーの1986年の章のころの所属は、章のPDFに無いため書いていない。

甘利俊一「適応的なパターン分類器の理論」（誤差から少しずつ重みを更新する学習理論）

甘利俊一さんが、データを1つ見るたびに、誤差に応じて重み（どの特徴をどれだけ重視するか）を少しずつ更新していく学習法を数学的に解析した。英語論文の要約には、きれいに分類できないデータでも最適な重みに近づくことの証明や、学習の速さと正確さの引きかえ、区分線形な（折れ線のような）判別への拡張が書かれている。1968年の日本語の解説では、この学習法を「確率的降下法」と呼んでいる。シュミットフーバー（2022）は、多層ニューラルネットワークを確率的勾配降下法（現在のディープラーニングの基本となる学習法）で学習させた、おそらく最初の論文だと書いている。

分かっていないこと：5層のネットワークで実際にどこまで学習できたか（1968年の本・H. Saitoの修士論文）は、元の資料を開いていないため分からない。

多層ニューラルネットワークを誤差逆伝播法で学習させる論文がNatureに載る

ラメルハート、ヒントン、ウィリアムズが、入力と出力の間に「隠れ層」を持つニューラルネットワークの学習法を発表した。出力と正解の差（誤差）を出力側から入力側へと順に戻しながら、結合の強さを少しずつ更新していく（「誤差を逆に伝える」＝バックプロパゲーション）。隠れ層が、教えていない特徴を自分で表すようになることを実験で示した。

分かっていないこと：隠れ層の中で何が表現されているかを人が読み取るのは、この論文の小さな例（家系図）ではできた。しかし、大きなネットワークでは今も一部しか分かっていない（第4次の単元につながる）。

NETtalk：英語の文の読み上げを「練習して」学習するニューラルネットワーク

セイノフスキーとローゼンバーグが、英語の文字を発音に変換することを、例を見ながら学習するニューラルネットワーク（NETtalk）を開発した。小学1年生の子どもの会話を書き起こした1024語で学習させると、10回繰り返したころには聞いて意味が分かる発音になった。学習していない残りの439語でテストした成績は78%だった。それまでの市販の読み上げ機は、頻出単語の読み方を表に登録し、決まった規則に従って読んでいた。

分かっていないこと：論文によると、結合荷重（重み）の異なるネットワークでも、隠れ層における「文字と音の対応の表し方」は似ていた。ニューラルネットワークの内部を調べる試みの早い例である。

1989年、日本神経回路学会が発足 ── 1980年に19人で始めた小さな研究会から。そのころアメリカの大会には『AI（人工知能）の時代は終った，これからは神経回路の時代である』という雰囲気

脳の神経回路を模した計算モデルを研究する学会『日本神経回路学会（JNNS）』が、1989年7月21日に神田の学士会館で創立大会を開いた。初代会長は福島邦彦さん。もとは1980年に福島さんたちNHKの研究所の人が中心となって全国に呼びかけた、学会ではない小さな研究会（神経情報科学研究会）で、第1回の参加者は19人だった。1980年代後半にアメリカで『ニューロブーム』が起きると参加者が急増した。1987年には100人を超え、合宿の形を続けられなくなったため、研究会を学会へと発展させた。福島さんは、1987年にアメリカで開かれた神経回路の国際会議の会場は『AI（人工知能）の時代は終った，これからは神経回路の時代である』という希望にあふれる雰囲気に満ちていた、と振り返っている。

分かっていないこと：創立大会の日付・場所は回想による。当時の案内や報告（1989年のJNNS News Letterなど）は、このサイトでは開いていない

オートエンコーダー（自己符号化器）の起源：1985〜1987年の、入力と同じものを細い中間層を通して出させる課題

オートエンコーダー（自己符号化器）は、入力と同じデータを出力するように学習させるニューラルネットワークである。中間層のニューロン数を少なくしておく。入力をそのまま通せないため、中間層は入力を少ない数値で圧縮して表す符号を自ら学習する。前半は入力を符号にする役（エンコーダー）、後半は符号から元に戻す役（デコーダー）になる。この構造は、1985年のボルツマンマシンの論文のencoder problem（符号化の問題）や、1986年の誤差逆伝播法の本の章に登場する。章では、8個の入力を3個の隠れ層のニューロンを通して同じ8個の出力に再現する課題を学習させた。すると隠れ層のニューロンが8つの入力それぞれに固有の符号を割り当てた（0と1だけでなく途中の値も使われた）。1987年にはバラードが、入力と出力を同一にする自己連想（autoassociative）ネットワークを積み重ねる手法を提案した。下層の隠れ層の表現を上層が受け取って学習する仕組みである。

分かっていないこと：autoencoder（オートエンコーダー）という言葉を最初に使用した論文は確かめていない（開いた中で最も古いのは1993年のNIPSのヒントンとゼメルの論文）。1991年のクレイマーによる非線形主成分分析の論文は、有料のため開いていない。日本で同じころ、入力と同じものを出力させるネットワーク（砂時計型・恒等写像の学習などと呼ばれる）の研究があったかは、探したが決め手が見つからなかった。

エルマンの単純再帰型ネットワーク（1990年）とジョーダンのネットワーク（1986年）：一つ前の状態を入力に戻し、時間の流れを覚える

再帰型ニューラルネットワーク（RNN）は、出力を次の時刻の入力に戻すことで過去の記憶を保持する仕組みである。1990年にエルマンが提案した形では、通常の3層ネットワークに文脈ユニット（context units）を追加した。各時刻の隠れ層の値をそのまま文脈ユニットに写し（結合の重みは1で固定して学習しない）、次の時刻に入力と一緒に隠れ層へ送る。こうして次に来る文字や単語を予測するよう誤差逆伝播法で学習させると、文字列では単語の始まりで誤差が大きく、単語が進むにつれて小さくなり、区切りの書いていない文字列から単語の切れ目が浮かび上がった。単語の並びでも、隠れ層の表現を似たもの同士でまとめると、名詞と動詞、生物と無生物などのまとまりに分かれた。エルマンは、この考えがジョーダンの1986年の報告に始まると書いている。ジョーダンのネットワークは、出力を状態ユニットに戻し、決まった計画（plan）から動作の系列を作るもので、発話時の音のつながり（調音結合）に応用された。

分かっていないこと：エルマンのネットワークと同時期の他の再帰型ネットワーク（1987〜1988年のピネダ、ウィリアムズとジプサーなど）のどれが先に何を出したかの順は、元の論文を開いていないので分からない。

ベル研究所のルカンら、手書きの郵便番号を読む「たたみこみ」ニューラルネットを発表

ルカンらは、アメリカの郵便封筒に手書きされた郵便番号の数字9298個（ニューヨーク州バッファローの郵便局を通過したもの）を使い、数字を識別するニューラルネットワークを学習させた。同じ小さな窓（5×5の小さな特徴を探す枠）を画像全体で使い回すことで、学習すべきパラメータの数を大きく減らした（現在「たたみこみ」と呼ばれる手法）。訓練に使っていないテストデータ2007個での誤り率は5.0%だった。

「今の画像AI（たたみこみ）の源流はネオコグニトロン」── 発明者本人と後の論文はどう書いたか

福島邦彦のネオコグニトロン（1979年）は、現在の画像認識AIで使われる「たたみこみ」の源流と言われる。後の資料を整理すると、福島本人は1984年の解説で、計算の大部分は2次元のフィルタの繰り返しであり、ミニコンピュータで実験できたと記した。ルカンたちの1989年の郵便番号の論文は、福島（1980）を1か所だけ引用した。1998年のLeNetの論文は、たたみこみと間引きの組み合わせは福島のネオコグニトロンで作られていたが、当時は全体を学習させる方法（誤差逆伝播法）がなかった、とはっきり書いた。福島本人は2022年に「ネオコグニトロンは…deep CNNの源流と言われており」と書き、2024年のノーベル委員会の解説もCNNの根として名前を挙げた。

畳み込みニューラルネットLeNet-5が、米国の銀行で小切手の手書き文字を読む仕事に使われた

ルカンたちは、手書き数字を認識する7層の畳み込みニューラルネットワーク「LeNet-5」と小切手認識システムを発表した。この仕組みはNCR社の小切手読み取り機に組み込まれ、アメリカの複数の銀行で実際に使われた。訓練データ6万枚・テストデータ1万枚の手書き数字データセット「MNIST」もこの論文で作られ、テストデータの誤り率は0.95%（変形した訓練画像を追加すると0.8%）だった。

IBM、文法規則ではなく対訳データから計算した確率で翻訳する手法を発表

IBMのブラウンやジェリネックたちは、翻訳を「翻訳者がSを見せられた時にTを出す確率」（この論文ではSが英文、Tが仏文）の計算として扱う方法を発表した。カナダ議会の記録（英語とフランス語の両方で残され、コンピュータで読める形で約1億語）を使い、4万組の文から約8100万個の数値を推定した。フランス語の新しい文73個を英語に翻訳したところ、完全に一致したのは5%だったが、筋の通った訳は48%だった。論文は、1949年にウィーバーが数を使う方法での翻訳を提案したが、当時はコンピュータが弱く、コンピュータで読める文も足りなかった、と書いている。

アメリカ国防総省のDARPAによる自動運転車レース：2004年は完走ゼロ、2005年はスタンフォード大のStanleyが優勝

DARPAは、砂漠のコースを自律走行車に走らせる賞金レースを開催した。2004年3月13日の第1回大会（約142マイル、賞金100万ドル）は15台が出走したが完走はゼロで、最長記録でも7.5マイルにとどまった。2005年10月8日の第2回大会（約132マイル）には195チームが応募し、5台が完走した。スタンフォード大学のStanleyが6時間53分で優勝し、賞金200万ドルを獲得した。Stanleyの論文によれば、中核技術は機械学習と確率的推論であり、人間の運転データから「走れる地面」を学習させたという。2007年の第3回大会は市街地コースで行われ、11チーム中6チームが完走し、カーネギーメロン大学のチームが優勝した。

「1990年代、研究者は『AI』という言葉を避けた」の元をたどる ── 2005年のニューヨーク・タイムズの一文は『いちばん落ちこんでいたころ』とだけ書いていた

2005年10月14日のニューヨーク・タイムズの記事（ジョン・マーコフ記者）は、アメリカ国防総省の研究機関DARPAの自動運転車レースでスタンフォード大学の車Stanleyが優勝した出来事を、人工知能の『復活』として報じた。その中に、（AIが）最も落ち込んでいた時期、一部のコンピュータ科学者やソフトウェア技術者は、夢物語ばかり語る人物と見られるのを恐れて『人工知能』という言葉を避けた、という一文がある。『研究者はAIという言葉を避けた』という話でよく引用されるのが、この一文である。同じ記事は、研究の手法が論理やルール中心から、確率や統計を使うソフトウェアへ移ったことが今回の成功につながった、とも書いている。

分かっていないこと：『人工知能という言葉を避けた』コンピュータ科学者やソフトウェア技術者が実際にどれほどいたのか、それはいつ頃のことなのかは、この記事からは分からない（数えた資料は、このサイトでは見つけていない）。論文の題名などで『artificial intelligence』という単語の使用数が年ごとにどう増減したかは、u01の単語数のグラフと合わせて確認できる。

専門家の混合（MoE）：複数の専門家ネットワークと、どれに任せるかを決めるゲート（ジェイコブスたち1991年、シャジーアたち2017年）

1991年、MITのロバート・ジェイコブスさんとマイケル・ジョーダンさん、トロント大学のスティーブン・ナウランさんとジェフリー・ヒントンさんは、論文『Adaptive Mixtures of Local Experts』を発表した。1つの大きなネットワークにいろいろな課題をまとめて学習させると、互いに邪魔をして学習が遅くなる。この問題に対し、いくつもの専門家のネットワークと、ゲートのネットワークを組み合わせる方法を示した。ゲートは、入力ごとにどの専門家に任せるかの確率を出す（出力はソフトマックス：足して1になる確率の形）。誤差の測り方を、専門家どうしが協力する形ではなく競争する形にした。そのため学習が進むと、それぞれの専門家が入力の一部分だけを受け持つようになる。論文は母音の聞き分けの課題で、仕事がいくつかに分かれ、それぞれを簡単な専門家が受け持つことを示した。2017年1月、グーグルの研究チームGoogle Brainのノーム・シャジーアさんたち（ヒントンさんも含む7人）は、この考えを大きくし、最大で数千の専門家を持つ層（Sparsely-Gated Mixture-of-Experts layer）を作った。ゲートは、ノイズを足してから点の高い上位k個の専門家だけを選び、ほかの専門家は計算しない。そのため、パラメーターの数を大きく増やしても、計算量はあまり増えない。言語モデルと翻訳では、最大1,370億個のパラメーターのMoEをLSTMの層の間に入れ、当時の最高より良い成績を少ない計算で出した。

IBMのTD-Gammon、自己対局学習でバックギャモン世界トップ近くまで上達

IBMのテサウロが作ったTD-Gammonは、3層のニューラルネットワークが自分自身と何十万回も対戦し、勝敗の結果だけから学習した（「強化学習」＝報酬から学ぶ手法）。でたらめな初期状態から始めても上達し、150万回対戦した版は、元世界チャンピオンのロバーティとの40回の勝負で1点差まで迫った。

分かっていないこと：論文は、TD-Gammonが「TD(λ)の実際のふるまいがよいこと…を、理論の保証がないにもかかわらず示した」とも書いている（TD(λ)はこの学習手法の名前。理論の裏づけが無いまま、うまくいった例）。

オセロ王者・村上健、機械学習プログラムLogistelloに0勝6敗

ディープ・ブルーの勝利の3か月後、アメリカのNEC研究所（プリンストン）で6局勝負が行われた。オセロの世界チャンピオン村上健（東京の英語教師）が、ブロの開発したプログラムLogistelloに0対6で敗れた。作者によると、Logistelloは何百万もの盤面データから知識を抽出し、自己対戦によって序盤の定石を学習した。動作環境はふつうのパソコンだった。

バプニクたち、データの間に最も広い道を引いて分けるサポートベクターマシンを作る

2種類の点を分ける線を引くとき、どちらの点からもできるだけ離れた、最も広い道の真ん中に線を引く。すると、初めて見る点もうまく分けられる。バプニクたちはこの考えを、道の端にある少しの点（サポートベクター＝道を支える点）だけで計算できるようにした。手書き数字のMNISTでは誤り率1.1%（CortesとVapnik）と、ニューラルネットワークのLeNetに近い成績を出した。2000年ごろの実用の場では、この種の方法が主流になった。

LSTM：長い文や音の前のほうを覚えておけるニューラルネットワークの発表

ホッフライターとシュミットフーバーが、時系列データ（音や文字の並び）を扱うニューラルネットワークに、「覚えておく箱」と、箱への出し入れを開け閉めする「門」を組み込んだLSTMを発表した。それまでの方法では、誤差逆伝播法で直す信号が時間をさかのぼるうちに消えたり（ゼロに近づく）、ふくれ上がったりして、ずっと前のことを覚えられなかった。LSTMは1000歩以上離れた過去の手がかりも保持して活用できた。

IBMのチェス専用機ディープ・ブルーが世界チャンピオンのカスパロフに6局勝負で勝つ

IBMのチェス専用コンピュータ「ディープ・ブルー」が、ニューヨークで世界チャンピオンのガルリ・カスパロフと6局勝負を行い、2勝1敗3引き分け（3.5対2.5）で勝利した。通常の大会と同じ持ち時間で、現役の世界チャンピオンに勝負で勝った初めてのコンピュータとなった。1秒に約2億の盤面を調べる、力まかせの計算が強さの元だった。前の年（1996年2月、フィラデルフィア）はカスパロフが4対2で勝っていた。

チェッカーのChinookが、人と機械の世界選手権で「世界チャンピオン」になる

カナダのアルバータ大学のシェーファーたちが開発したチェッカー（論文の表現では8×8のドラフツ）のプログラムChinookは、1992年に世界チャンピオンのティンズリーに挑み、2勝4敗33引き分けで敗れた。1994年8月にボストンのコンピュータ博物館で再戦した。6局すべて引き分けた後、ティンズリーが体調不良で途中棄権したため、Chinookが「人と機械の世界チャンピオン」となった。コンピュータが人間の世界選手権の称号を獲得した初の事例とされる（チームの論文）。

予言「10年以内に、計算機がチェスの世界チャンピオンになる…」（1957年の講演）

サイモンとニューウェルは、10年以内に計算機がチェスの世界チャンピオンになる（ルールで大会から締め出されなければ）と予言した。

その後：1967年4月の時点で、最も強いチェスプログラムの一つ（MITのMAC HACK VI）はアマチュア中級の強さ（アメリカのレーティングで1450）だった。1968年には、チェスの国際マスターのレビーと研究者たちが、10年以内に計算機がレビーに勝てるかどうかで賭けをした。1978年にレビーが計算機に勝ち、賭けに勝利した。計算機が現役の世界チャンピオン（カスパロフ）に6局の対局で勝利したのは、予言から約40年後の1997年5月だった（IBMのディープ・ブルー、3.5対2.5）。なお、計算機が人間の世界チャンピオンの称号そのものを獲得したことはない（予言にも「ルールで締め出されなければ」とある）。

1985〜1991年 ロドニー・ブルックス 頭で考えてから動くのをやめたロボット ── 簡単な知能では『はっきりした表現や世界のモデルは、ただじゃまになる』、そして1990年『小さなAIの会社はつぶれていき、国内外のAIの学会の参加者は大きく減っている』

MITの人工知能研究所のロドニー・ブルックスさんは、1985年9月の報告で、ロボットの行動を『層』に分けて設計する手法を示した。障害物を避けるような下位の層の上に、より高度な行動の層を積み重ね、上位の層は必要なときだけ下位の層の出力を抑える（包摂＝サブサンプション）。1987年に受け付けられ1991年に掲載された論文『表現なしの知能』では、ごく単純な知能を調べる場合、明確な内部表現や世界モデルは『ただじゃまになる』と指摘した。そして、この考え方に基づいてオフィスを自律的に動き回るロボットを何台も開発したと報告した。1990年の論文『象はチェスをしない』では、頭の中で記号を操作する30年あまりのAIとは異なる道（身体を持って実世界と相互作用するアプローチ）を主張した。あわせて当時の状況として、小規模なAI企業が倒産し、国内外のAIの学会の参加者が大きく減っていることにも触れた。

分かっていないこと：表現（世界のモデル）を持たずにどこまでの知能を実現できるのかは、論文内でも仮説（H）として提示されており、結論は出ていない。

2002年 ロボット掃除機ルンバ ── 199.95ドル。発表文の説明は、渦巻き・壁沿い・直進をくり返して部屋の各部分を2〜5回通る、単純な動きの組み合わせ（地図の話は出てこない）

ロボット技術の製品を開発するアイロボット社（iRobot、本社はマサチューセッツ州サマービルと発表文）は、2002年9月18日、家庭用自動掃除機『Roomba Intelligent FloorVac（ルンバ）』を199.95ドルで発売した。発表文は『アメリカで買える最初の自動の床掃除機』とし、同社の『人工知能の技術』と低価格化の技術を家電に応用したと説明した。動作は、まず渦巻き状に進み、障害物にぶつかると壁沿いを走り、再び渦巻きや直進を繰り返す。段差センサーで階段を検知して向きを変え、時間をかけて部屋の各場所を2〜5回ずつ通過する仕組みだった。バッテリーで1〜1.5時間稼働し、仮想の壁（バーチャルウォール）で進入禁止エリアを区切ることができた。

ソニーが、4本足の家庭用犬型ロボット「AIBO」を発表。25万円なのに3000体が20分で売り切れ

ソニーは1999年5月、家庭用の「エンタテインメントロボット」AIBO（ERS-110）の発売を発表した。全長約30cmの4本足の動物型で、感情・本能・学習・成長のプログラムによって自ら考えて動き、なでるなどの接し方で性格が変わっていく。開発者の藤田雅博によると、25万円という価格にもかかわらず、3000体の募集枠は20分で注文がいっぱいになったという。名前はArtificial Intelligence roBOtの略で、AI、目（EYE）、相棒にちなんでいる。

ホンダが2本の足で歩く人間型ロボット「ASIMO」を発表（研究は1986年から）

ホンダは、小型軽量で人間に近い歩行ができる人間型ロボットASIMOを発表した。室内のスイッチやドアノブに手が届く高さとして全高120 cm、重さ43 kgに設計された（前世代のP3は160 cm・130 kg）。次の動きを予測してあらかじめ重心を移動させる歩行技術（i-WALK）により、滑らかな方向転換を実現した。ホンダは1986年に研究を開始し、1996年に試作機P2、1997年にP3を公開していた。

2002年 国の計画で作られた『働く人間型ロボット』HRP-2 ── 身長154 cm・58 kg・30自由度。発表文は『人間型ロボットは21世紀最大の商品の一つになる可能性』

経済産業省は1998年から5か年計画『人間協調・共存型ロボットシステムの研究開発』（HRP：Humanoid Robotics Project）を進めた。前半2年で研究基盤（人間型ロボットHRP-1、遠隔操縦席、シミュレータ）を整え、後半3年で5つの応用分野を研究した。2002年3月19日、川田工業と産業技術総合研究所（産総研）は、安川電機や清水建設と共同で、屋外で人と協働する『HRP-2プロトタイプ』を発表した。身長154 cm、バッテリー込みで58 kg、腰の2軸を含む30自由度（関節の数）を備え、でこぼこ道の歩行や、転んでも起き上がることを目指した。発表文では、日本の産業用ロボット市場が1980年代から年5,000〜6,000億円規模で横ばいなのは用途が広がらなかったためだと書き、20世紀最大の商品の一つが自動車だったのに対し、『人間型ロボットは21世紀最大の商品の一つになる可能性を秘めており』と期待を表明した。

その後：期限は『21世紀』であり、検証はまだ途上である（2026年9月時点）。このサイトでは現在の人間型ロボットの市場規模を確かめていない。HRP-2自体は2017年に国立科学博物館の未来技術遺産に選ばれ、生産ラインで人と協働するロボットNEXTAGEへ発展したとカワダロボティクスは説明している。

2005年 愛・地球博の「ロボットプロジェクト」── 会場で掃除・警備・案内のロボットが働き、『2020年の実用化』をめざす65種類が11日間展示され、約12万3000人が訪れた

2005年の愛・地球博（2005年日本国際博覧会）では、博覧会協会とNEDO（新エネルギー・産業技術総合開発機構）が『ロボットプロジェクト～We live in the Robot Age/僕らロボット世代～』を実施した。2004年のプレスリリースによると、経済産業省とNEDOは『次世代ロボット実用化プロジェクト』で約100体のロボットを研究開発していた。会場では会期中、屋外の掃除、ゴミ箱の交換、警備、4か国語での案内、子どもの相手、障害物をよける車いすの5種類の『ワーキングロボット』が稼働した。6月9日から19日の11日間には『プロトタイプロボット展』が開かれ、『2020年の実用化』をめざして開発中の65種類のロボットが『2020年 人とロボットが暮らす街』として並び、約12万3000人が訪れた。プレスリリースには、ロボット市場が2010年に1.8兆円に見込まれるとも書かれていた。

分かっていないこと：プレスリリースにある『2010年には1.8兆円』の見込みの出どころ（誰の予測か）や、2010年の実際の市場規模、また『2020年の実用化』をめざした65種類のうち実際に使われるようになったものは、このサイトでは確かめていない（予言として答え合わせをする候補になる話。市場の数値は、数え方の範囲で大きく変わるため注意が必要）。2001年の日本ロボット工業会の予測（2010年3兆円）と、2008年の答え合わせは、→ 予言：2010年に日本のロボット市場は約3兆円（2… にある。

1998年 モラベック「計算機のハードウェアが人の脳に並ぶのはいつか」── 答えは『2020年代に安い機械で』。そして1960〜1990年のAI研究は『1 MIPSの計算機の凍った冬』の中にあった

カーネギーメロン大学ロボット研究所のハンス・モラベックさんは、1998年の論文で、脳と同じ働きに必要な計算速度と記憶容量を見積もった。網膜の働きをロボットの画像処理に置き換えると1,000 MIPS（MIPS＝1秒に100万回の命令）になる。脳は網膜の約10万倍の大きさなので、脳全体で約1億MIPS、記憶は約1億メガバイトとした。そしてコンピュータが安くなる傾向から、脳に並ぶのに『必要なハードウェアは2020年代に安い機械で手に入る』、その1億MIPSは『家のコンピュータに2030年より前に来る』と予言した。同じ論文で、AI研究に使えたコンピュータの性能は1960年から1990年まで約1 MIPSのまま伸びず、研究者の一生分が『1 MIPSの計算機の凍った冬』の中で過ぎたと指摘した。1990年からは毎年倍増しており、今（1998年）は春だ、とも述べている。

その後：2026年9月の時点で、予言の期限（2020年代・2030年より前）はまだ来ていない。また、モラベックさんの指標（MIPS＝1秒に何百万回の命令、約1,000ドルの家庭用マシン）と、現在のAIの計算指標（1秒あたりの浮動小数点演算数、FLOP/sなど）は一致しない。置き換え方しだいで結果が変わるため、このサイトでは当たり外れを判定していない。

分かっていないこと：脳の働き＝1億MIPSという見積もりは、網膜の働きをロボットの画像処理に置き換えた一つの考え方であり、脳がどれだけの計算をしているかは今も分かっていない（論文自身も、見積もりは『たとえと外挿』に頼ると書いている。外挿とは、これまでの傾向の線を未来に伸ばして推定すること）。

1993年 ヴィンジ「30年以内に、人を超える知能を作る技術が手に入る」── 2005年より前や2030年より後なら驚く。『シンギュラリティ』はカーツワイルの2005年の本より12年前

サンディエゴ州立大学の数理科学科のヴァーナー・ヴィンジさん（論文の所属）は、1993年のNASAの催し『Vision 21』の論文集に論文『来たるべき技術的特異点』を寄せた。その中で、30年以内に人を超える知能を作る技術的な手段が手に入り、その少しあとに人間の時代は終わる、と書いた。実現への道として、『目覚めた』超知能のコンピュータ、大きなネットワークの目覚め、人とコンピュータの深い結びつき、生物学による知能の強化、の4つを挙げた。時期についても、2005年より前か2030年より後に起きたら驚く、と年まで示した。この出来事を『特異点（the Singularity）』と呼んだ。ただし論文内では、1950年代にフォン・ノイマンが『特異点』という言葉を使っていたこと（ウラムの紹介）や、1960年代のI・J・グッドの『超知能の機械』の考えを先行例として紹介している。また、AIに熱心な人たちは30年前から同じような主張をしてきた、という指摘があることも自ら書き添えている。

その後：本人が示した期間の終わり（2030年）はまだ迎えていない（2026年9月時点）。『30年以内』にあたる2023年は過ぎたが、『人を超える知能』がすでに実現したかどうかは評価基準によって分かれ、このサイトでは判定していない（2023〜2025年の企業トップによる予測は→ OpenAIの代表アルトマンさん数千日のうちに超…・→ Anthropicの代表アモデイさん、強力なA… などを参照）。

分かっていないこと：『人を超える知能』を何で測るのか（どの試験やどの仕事で人を超えたらそう言えるのか）は、論文にも明確な基準は書かれていない。

日本の研究者が始めた「ロボカップ」：目標は、21世紀半ばまでに人型ロボットのチームでワールドカップ優勝チームに勝つこと

ロボットによるサッカーを、AIとロボット研究の共通の挑戦課題にする「ロボカップ」は、日本の研究者たち（北野宏明・浅田稔・國吉康夫ほか）が始めた。1993年6月に日本だけの「ロボットJリーグ」として構想したが、ひと月のうちに海外から参加希望が集まり、国際的なプロジェクトへと発展した。1997年に名古屋で最初の大会が開かれ、40を超えるチームと5000人を超える観客が集まった。公式サイトが掲げる最終目標は「21世紀の半ばまでに、完全に自分で動く人型ロボットのサッカー選手のチームが、FIFAの公式ルールにしたがって、最新のワールドカップの優勝チームとのサッカーの試合に勝つ」ことである。

その後：期限前で、結果はまだ出ていない。2026年7月5日、韓国の仁川で開催されたロボカップ2026で、初めて人型ロボット同士の11対11の試合が行われた（ドイツのB-Humanが同じドイツのHTWKに4対0で勝利）。ただしこれはロボット同士の試合で、人間のチャンピオンとの対戦ではない。

1997年 国際人工知能会議（IJCAI-97）が名古屋で開催 ── 1979年の東京に続く2回目の日本開催。48か国から1,400人、ロボカップ初大会も併催

AIの研究者が2年に一度集まる国際会議IJCAIの第15回（IJCAI-97）が、1997年8月23日から29日まで名古屋国際会議場で開かれた。IJCAI公式サイトの歴代開催地一覧によると、日本での開催は1979年の東京に続く2回目。人工知能学会の報告によると、48か国から1,400人（海外から550人）が参加した。招待講演12件、一般論文発表216件、ワークショップ30件、チュートリアル17件のほか、併設イベントとしてロボットサッカー大会RoboCup-97などが開かれた。1991年度には日本への誘致が決まり、人工知能学会が準備を進めていた（人工知能学会の1991年度の事業報告）。日本の人工知能学会の正会員が減り始めていた時期に開かれた、大規模な国際会議だった。

予言：2010年に日本のロボット市場は約3兆円（2001年の業界団体の予測）──家や病院のロボット市場は実際は100億円に届かず

2001年、日本機械工業連合会と日本ロボット工業会の報告書は、ロボット市場を5つの分野で予測した。2010年に生活分野1.5兆円、製造業8,500億円、公共2,900億円、医療福祉2,600億円、バイオ900億円（合計約3兆円）、2025年に合計約8兆円とした。産業技術総合研究所の荒井裕彦の2009年の分析によると、この予測は経済産業省などが研究開発予算を説明する根拠に使われ、報道でも広まった。2005年の愛・地球博の発表でも『2010年には1.8兆円の市場規模が見込まれています』と記された。

その後：荒井裕彦の2009年の分析によると、製造業以外の次世代ロボットの市場は、工業会などの実態調査で年14〜68億円（100億円未満）にとどまり、2010年の予測（製造業以外で約2兆円）とは大きく離れていた。2006〜2008年には国の機関と工業会自身が、2010年の予測を500〜750億円に下方修正した。2015年、政府の『ロボット新戦略』は、ロボットの市場規模を『現在の6,000億円』とし、2020年に2兆4,000億円にする新しい目標を立てた（総務省の2015年の白書）。2025年の予測の答え合わせは、このサイトではしていない。